Please wait a minute...
img

官方微信

遥感技术与应用  2018, Vol. 33 Issue (2): 212-215    DOI: 10.11873/j.issn.1004-0323.2018.2.0212
高光谱专栏     
基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究
秦振涛1,3,杨茹2,张靖1,杨武年3
(1.攀枝花学院 数学与计算机学院, 四川 攀枝花  617000;
2.攀枝花学院 土木与建筑工程学院, 四川 攀枝花  617000;
3.成都理工大学 地学空间信息技术国土资源部重点实验室,四川 成都  610059)
Self-adaptive Spare Representation of Clustering Structure for Hyperspectral Remote Sensing Image Inpainting
Qin Zhentao1,2,Yang Ru2,Zhang Jing1,Yang Wunian3
(1.School of Mathematics and Computer Science,Panzhihua College,Panzhihua 617000,China;
2.School of Civil and Architecture Engineering,Panzhihua 617000,China;
3.Key Laboratory of Geo\|special Information Technology,Ministry of Land and Resources,Chengdu 610059,China)
 全文: PDF(4813 KB)  
摘要:
高光谱影像(Hyper-Spectral Image,HSI)的图像修复是其数据应用中重要的一个环节,最终会影响后续工作的准确性。提出一种新的基于聚类结构自适应稀疏表示的高光谱遥感图像的修复算法,该方法的优点是根据遥感图像地物的特征进行自适应地块大小选择,并对像素聚类后各个波段图像按照字典学习算法进行稀疏表示,通过稀疏逼近实现高光谱遥感图像的修复。实验结果表明:利用自适应获得的稀疏系数能更好地表示高光谱图像,图像的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)为26.6 dB,比其他研究的算法有所提高。该方法可以应用于遥感图像处理流程中,提高图像的应用潜力。
关键词: 聚类自适应稀疏表示高光谱遥感图像修复    
Abstract: A new algorithm for Hyper\|Spectral Image(HSI)inpaintingbased on self\|adaptive sparse representation of clustering structure is proposed.The method can adaptively select the block size according to the feature of remote sensing image.After the pixel is clustered,each band image of HSI can been sparsely represent according to the dictionary learning algorithm,and achieve HSI inpainting through the sparse approximation.The experimental results show that the sparse coefficients obtained by self\|adaptive spare representation can better represent the HSI and improve the Peak Signal\|to\|Noise Ratio(PSNR) of the image.The method proposed in this paper has important significance and application prospect in remote sensing image application.
Key words: Cluster;Self\    adaptive;Sparse representation;HSI;Inpainting
收稿日期: 2017-11-02 出版日期: 2018-05-15
:  TN911.73  
基金资助: 国家自然科学基金项目(41071265),高等学校博士学科点专项科研基金 (20105122110006),国土资源部地学空间信息技术重点实验室开放项目(KLGSIT2016\|10),四川省科技创新苗子工程资助项目(2017025)。
作者简介: 秦振涛(1982- ),男,陕西榆林人,讲师,博士研究生,主要从事数据仓库与数据挖掘以及遥感图像处理方面的研究。Email:qinzt1982@163.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
秦振涛
杨茹
张靖
杨武年

引用本文:

秦振涛,杨茹,张靖,杨武年. 基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究[J]. 遥感技术与应用, 2018, 33(2): 212-215.

Qin Zhentao,Yang Ru,Zhang Jing,Yang Wunian. Self-adaptive Spare Representation of Clustering Structure for Hyperspectral Remote Sensing Image Inpainting. Remote Sensing Technology and Application, 2018, 33(2): 212-215.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.2.0212        http://www.rsta.ac.cn/CN/Y2018/V33/I2/212

[1] 赖日文,池毓锋,张泽均. 基于亮度恢复模型的Landsat 8数据山区阴影去除[J]. 遥感技术与应用, 2018, 33(3): 563-572.
[2] 闫鹏飞,明冬萍. 尺度自适应的高分辨率遥感影像分水岭分割方法[J]. 遥感技术与应用, 2018, 33(2): 321-330.
[3] 万玲,尤红建,程跃兵,卢晓军. 合成孔径雷达图像分割研究进展[J]. 遥感技术与应用, 2018, 33(1): 10-24.
[4] 张宝华,周文涛,吕晓琪. 基于稀疏分解和改进MRF模型的SAR海冰图像分割方法[J]. 遥感技术与应用, 2017, 32(4): 709-713.
[5] 涂媛杰,周坚华. 分类图斑概括的一种自适应方法—以遥感图像土地利用分类为例[J]. 遥感技术与应用, 2016, 31(5): 994-1002.
[6] 张从梅,孙权森,王超,封磊,顾一禾. 基于非局部自相似性的遥感图像稀疏去噪算法[J]. 遥感技术与应用, 2016, 31(4): 739-747.
[7] 汪骏,夏少波,王和平,王成,谭弘武. 基于直升机激光点云的分裂导线重建研究[J]. 遥感技术与应用, 2015, 30(6): 1189-1194.
[8] 肖新耀,许宁,尤红建. 一种基于à trous小波和联合稀疏表示的遥感图像融合方法[J]. 遥感技术与应用, 2015, 30(5): 1021-1026.
[9] 袁宗泽,孙浩,计科峰,邹焕新. 基于Fisher字典学习稀疏表示的高光谱图像分类[J]. 遥感技术与应用, 2014, 29(4): 646-652.
[10] 李青松,覃锡忠,贾振红,杨杰,胡英杰. 基于非下采样Shearlet和几何结构的遥感图像无监督变化检测[J]. 遥感技术与应用, 2014, 29(3): 482-488.
[11] 黄丹,刘庆生,刘高焕. 黑岱沟煤矿生态修复遥感监测及效果评价[J]. 遥感技术与应用, 2014, 29(1): 69-74.
[12] 林旭,洪峻,孙显,鄢懿. 一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法[J]. 遥感技术与应用, 2014, 29(1): 75-81.
[13] 于博,牛铮,王力,刘亚奇,陈方. 一种基于多尺度自适应形态学的塔吊提取方法[J]. 遥感技术与应用, 2013, 28(2): 240-244.
[14] 陈芸芝,汪小钦,吴波,孙丽雅. 基于自适应加权平均的水色遥感数据融合[J]. 遥感技术与应用, 2012, 27(3): 333-338.
[15] 赵敏,张荣,尹东,王奎. 一种新的可见光遥感图像云判别算法[J]. 遥感技术与应用, 2012, 27(1): 106-110.